公开(公告)号：CN116246144A

公开(公告)日：2023-06-09

申请号：CN202310061482.0

申请日：2023-01-17

Applicant: 重庆邮电大学

Inventor： 王煜淇 ,  戴大伟 ,  夏书银 ,  王国胤

IPC: G06V10/82 ,  G06V10/774 ,  G06V10/40 ,  G06V10/25 ,  G06N3/042 ,  G06N3/08 ,  G06N3/0464

Abstract: 本发明属于可解释技术领域，具体涉及一种基于专家交互学习的深度判别模型的解释结果修正方法，包括：获取图像，并将图像分成预测训练集、解释训练集；通过预测训练集对resnet18网络模型进行训练，并加入修正模块，得到解释判别模型；将解释训练集中的图像输入解释判别模型，得到每个像素对模型决策的重要程度的可解释热力图；通过专家知识对可解释热力图进行交互，得到判别结果；将错误解释输入解释判别模型的修正模块进行错误解释结果修正；对修正后的解释结果进行评估。本发明本发明通过使用主动学习的训练策略、专家知识交互以及对网络模型可解释结果的修正，提高了网络模型的可解释能力，提高了用户对于网络模型的信任程度。

公开(公告)号：CN115775337A

公开(公告)日：2023-03-10

申请号：CN202211561810.5

申请日：2022-12-07

Applicant: 重庆邮电大学

Inventor： 刘达 ,  戴大伟 ,  王煜淇 ,  胡峰 ,  夏书银 ,  王国胤

IPC: G06V10/764 ,  G06V10/82 ,  G06V10/20 ,  G06V10/40 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明属于图像处理领域，具体涉及一种基于二叉树结构嵌入的可解释卷积神经网络图像分类方法，该方法包括：获取待处理的图像，将待处理的图像输入到训练好的改进的深度神经网络模型中，得到预测结果，并可以从网络得到良好的网络决策过程以及每个决策的可信程度；本发明将二叉树分支结构引入到深度神经网络的设计过程中，对传统的网络卷积层进行二分设计，使每一部分负责解耦不同的图像类别信息，通过设定的优化方式以控制特定神经元的激活水平，可以更好地指导网络的图像分类决策；此外，通过对一个样本网络决策过程中各层神经元激活值与目标决策路径的偏移情况对比，可以得到对样本决策结果可信程度的评价。

公开(公告)号：CN115424081A

公开(公告)日：2022-12-02

申请号：CN202211233630.4

申请日：2022-10-10

Applicant: 重庆邮电大学

Inventor： 戴大伟 ,  杨倩兰 ,  王煜淇 ,  徐涛 ,  夏书银 ,  王国胤

IPC: G06V10/764 ,  G06V10/82 ,  G06V10/26 ,  G06V10/40 ,  G06V10/774

Abstract: 本发明属于医学图像处理领域，涉及一种可解释的癌症病理切片图像识别方法、装置及计算机设备；所述方法包括获取癌症病理切片的高分辨率医学图像，并处理成图像块；将图像块输入特征提取网络中，提取出特征向量；将第一图像块的特征向量输入到图像识别网络中进行预训练；将第二图像块的特征向量输入到预训练后的图像识别网络中，输出第一可解释热力图；利用稀疏表示方法优化，并对优化后的第一可解释热力图进行判断；按照判断结果重新训练图像识别网络；将第三图像块的特征向量输入到重新训练后的图像识别网络中，输出第二可解释热力图。本发明使得高分辨率图像能够在模型中进行预测并提供专业的可解释结果，实现了数据与医学领域知识的双向交互。